基于非对称卷积自编码器和支持向量机的入侵检测模型

摘要：

网络入侵检测系统在防护网络安全中占据重要地位,随着科技不断发展,目前的入侵技术没有考虑到检测技术的可扩展性、可持续性以及训练时间长短,无法应对现代复杂多变的网络异常流量.针对这些问题,提出了一种新的深度学习方法,使用无监督的非对称卷积自编码器,对数据进行特征学习.另外,提出了一种新的基于非对称卷积自编码器和多类支持向量机相结合的方法.在KDD99数据集上进行了实验,实验结果表明,该方法取得了良好的结果,与其他方法相比显著减少了训练时间,进一步提高了网络入侵检测技术.

关键词：入侵检测技术、卷积自编码器、支持向量机、网络安全

所属期刊栏目：4

分类号：TP18(自动化基础理论)

资助基金：中央高校基础研究基金资助项目2017RC016,2018JBZ103;国家自然科学基金资助项目61672092;信息保障科技实验室基金资助项目614200103011711;北京优秀人才培养基金资助项目BMK2017B02-2;国家留学基金委资助项目201807095014

在线出版日期：2019-01-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：58-68